中国科学院合肥物质科学研究院李海教授团队近日开发出一款多模态深度学习模型，能够有效预测具有高危特征的TI-RADS 4级甲状腺结节的恶性程度。这项研究成果已发表在《计算机医学成像与图形学》期刊上，为甲状腺癌的精准诊断提供了新方法。

甲状腺癌发病率近年来快速上升，超声检查作为主要诊断手段，其准确性受医生经验影响较大。针对TI-RADS 4级结节，传统诊断方法存在误诊风险，可能导致不必要的手术或延误治疗。研究团队开发的AI模型整合了B型超声和应变弹性成像技术，在测试集和外部验证集上分别取得0.937和0.927的AUC值，表现优于单模态模型。

该AI模型的诊断性能超越了放射科医生水平，作为辅助工具可提升不同经验水平医生的诊断准确性。模型生成的热图与医生关注区域高度吻合，验证了其临床应用价值。李海教授表示："这种创新的人工智能模型可以显著降低误诊和漏诊的风险，特别是对于高危甲状腺癌患者。"

这项研究为甲状腺结节的智能化诊断开辟了新途径，其多模态融合方法有望推广至其他医学影像领域。未来，该技术或将在临床实践中发挥重要作用，帮助医生做出更精准的诊断决策。

更多信息： Xuan Chu 等，《基于多模态超声的深度学习模型用于高危特征 TI-RADS 4 甲状腺结节恶性肿瘤预测：一项多中心研究》，《计算机医学成像与图形学》 (2025)。